Identification and Estimation under Multiple Versions of Treatment: Mixture-of-Experts Approach
多种处理版本下的识别与估计：混合专家方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以多种处理版本造成的因果效应偏差及版本间因果对比的识别估计为核心，直接支持因果推断分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
多种处理版本下的识别与估计：混合专家方法
- 研究问题
- 观察研究中同一处理可能具有未被记录的实施版本，如何识别并估计这些潜在版本之间的因果对比，以理解复杂处理的作用机制？
- 方法与思路
- 作者将混合专家框架引入因果推断，以潜在混合成分表示未观测处理版本，并据此估计版本之间的因果对比，使用数值实验评估。
- 材料陈述的贡献
- 摘要称提出显式处理多种处理版本的因果分析框架，即使版本未被观测也尝试估计其因果对比，并报告数值实验支持方法有效性。
- 阅读关注点
- 应核对潜在版本的定义、混合模型成分与处理版本的对应关系、因果对比的识别条件，以及模型设定和版本数量对结果的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明潜在版本可识别的具体假设，数值实验不能单独证明一般无偏识别。
原文摘要
The Stable Unit Treatment Value Assumption (SUTVA) includes the condition that there are no multiple versions of treatment in causal inference. Though we could not control the implementation of treatment in observational studies, multiple versions may exist in the treatment. It has been pointed out that ignoring such multiple versions of treatment can lead to biased estimates of causal effects, but a causal inference framework that explicitly deals with the unbiased identification and estimation has not been fully developed yet. Thus, it is difficult to obtain a deeper understanding for mechanisms of the complex treatments. In this paper, we introduce the Mixture-of-Experts framework into causal inference to estimate causal contrasts between underlying versions of a treatment, even when the versions are not observed. Numerical experiments demonstrate the effectiveness of the proposed method.